Estimating the Components of a Mixture of Normal Distributions
正态混合分布的成分估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论正态混合分布的一般估计与聚类，未明确涉及所列经济计量细分方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
正态混合分布的成分估计
- 研究问题
- 在两个正态成分共享未知协方差矩阵时，如何估计混合分布的成分，并比较不同估计方法的抽样表现与计算复杂度？
- 方法与思路
- 作者研究单变量与多变量情形的最大似然方程，主要通过模拟考察抽样性质，并讨论矩估计、最小卡方与贝叶斯估计。
- 材料陈述的贡献
- 摘要称最大似然方程求解并不过分繁重；除单变量情形外，所讨论的其他方法在抽样性质或计算复杂度方面明显较差。
- 阅读关注点
- 应核对成分参数的识别条件、似然方程的求解与解的选择，以及模拟设定；留意不同协方差和更多成分仅获简要讨论。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要。未提供模拟数值、参数条件或算法细节，不能将方法比较推广到所有正态混合模型，也不推断刊本变化。
原文摘要
The problem of estimating the components of a mixture of two normal distributions, multivariate or otherwise, with common but unknown covariance matrices is examined. The maximum likelihood equations are shown to be not unduly laborious to solve and the sampling properties of the resulting estimates are investigated, mainly by simulation. Moment estimators, minimum χ2 and Bayes estimators are discussed but they appear greatly inferior to maximum likelihood except in the univariate case, the inferiority lying either in the sampling properties of the estimates or in the complexity of the computation. The wider problems obtained by allowing the components in the mixture to have different covariance matrices, or by having more than two components in the mixture, are briefly discussed, as is the relevance of this problem to cluster analysis.